Awọn anfani:
- Agbara lati gba ipinnu ipinnu ati awọn abajade atunwi nipasẹ titẹ koodu ti o ṣe agbejade iwọn, kii ṣe aworan ti iwọn, si oye atọwọda ati ṣiṣe funrararẹ.
- Agbara lati fọwọsi iṣelọpọ chart lodi si data pẹlu iye, iyege, iwọn ati awọn sọwedowo apao
- Agbara lati fa awọn ofin otitọ (lati axis 0, aami taara, akọsilẹ orisun) ati gbarale koodu dipo laro ọrọ
O ti yan iru chart ti o pe; Bayi o to akoko lati gbejade. The most reliable use of artificial intelligence here is not to ask it to "draw" the graph, but to print the code that produces the graph and run that code yourself. Lati ibo? Nitoripe awoṣe ede nla jẹ olupilẹṣẹ ọrọ; le ni lọrọ ẹnu "gboju" nọmba kan, ṣugbọn awọn koodu ilana awọn data bi o ti jẹ ati ki o gbe awọn kan deterministic esi (nigbagbogbo fifun ni kanna o wu si kanna input). Ninu ẹyọ yii, a yoo kọ bii o ṣe le tẹ koodu ayaworan (pupọ julọ Python) si AI ati rii daju iṣẹjade.
Idi ti koodu, idi ti ṣiṣe?
Ask a language model "what is the sales total?" Ti o ba beere, ko ni gba awọn data gangan; Ṣe ina nọmba ti o ṣeeṣe. Ṣugbọn ti o ba tẹjade koodu akojọpọ si rẹ ati ṣiṣe rẹ, abajade wa lati inu data gidi. Kanna n lọ fun chart naa: koodu ti awoṣe n ṣe n ṣiṣẹ lori data rẹ, lori ẹrọ rẹ. Awọn koodu ti wa ni tun leralera: nigbati awọn data ti wa ni imudojuiwọn, o ṣiṣe awọn koodu lẹẹkansi ki o si sọ awọn chart.
Wọpọ irinṣẹ: matplotlib ati seaborn (aimi Idite), plotly (ibanisọrọ Idite) pẹlu Python ede; tun awọn eto iwe kaunti ati awọn irinṣẹ BI (imọran iṣowo). In this unit, we will give examples using Python/matplotlib because it is the most common; Ilana naa jẹ kanna ni gbogbo ọkọ.
Imọran: Dipo "fun mi ni aworan ti chart," sọ "fun mi ni koodu ti o ṣe chart ati pe emi yoo ṣiṣẹ." Ni ọna yii, abajade wa lati data gidi ati pe o le ṣe ọpọlọpọ awọn atunṣe bi o ṣe fẹ.
Igbesẹ nipasẹ igbese: lati koodu si awọn eya aworan
- Ṣe ipinnu iru ayaworan ati ifiranṣẹ (ẹyọ ti iṣaaju).
- Describe the data structure to the model (column names, types; not sensitive data).
- Ṣe koodu ti ipilẹṣẹ, fi awọn ofin otitọ sinu tọ (lati axis 0, tag, akọsilẹ orisun).
- Ṣiṣe koodu funrararẹ ki o wo aworan naa.
- Ṣayẹwo: Ṣe iye ti o wa ninu chart jẹ kanna bi iye ti o wa ninu data naa? Ṣe apapọ/pin diduro bi?
- Ilọsiwaju: Yi akọle pada si akọle iṣe, paarẹ ti ko wulo, ṣafikun awọ ifamisi.
Ipa rẹ: Iranlọwọ iworan data Python. Mo ni CSV: awọn ọwọn "osu" (YYY-MM), "ikanni" (ọrọ), "owo ti n wọle" (nọmba). Kọ koodu ILA kan pẹlu matplotlib: - ikanni kọọkan jẹ ila ti o yatọ, x = osù, y = wá. - Jẹ ki y axis bẹrẹ lati 0 (ma ṣe ge) . - Fi awọn aami sii taara ni opin awọn ila, a ko nilo arosọ ọtọtọ. Ṣe koodu naa ni pipe ati ṣiṣe, tun kọ laini kika apẹẹrẹ. Ibamu NỌMBA; ka data lati CSV.
Lati ṣatunṣe chart ti o wa tẹlẹ:
Ṣe atunṣe koodu matplotlib yii: (1) lẹsẹsẹ awọn ifi nipasẹ iye lati tobi si kere julọ, (2) ṣe nikan osan igi ti o ga julọ ati grẹy iyokù, (3) jẹ ki y-axis bẹrẹ ni 0, (4) awọn eleemewa kika pẹlu ẹgbẹẹgbẹrun oluyapa. Pada koodu pada ni kikun. Koodu: [...]
Fun apẹrẹ ibanisọrọ (fun dasibodu):
Kọ koodu apẹrẹ laini ibaraenisepo nipa lilo Plotly pẹlu data kanna: fifin asin yoo ṣafihan oṣu ati owo-wiwọle, ati pe awọn ikanni le ṣe filtered. Jẹ ki awọn ipo bẹrẹ lati 0. Fun ni kikun koodu.
Ifọwọsi: ṣe chart naa “tọ” kii ṣe “lẹwa”?
Awọn ise ni ko lori o kan nitori awọn eya ti wa ni o wu. Awọn ayẹwo ayẹwo mẹta:
- Pese iye: Ṣayẹwo 2-3 ID ojuami nipa ọwọ/tabili. Ṣe igi ti o ga julọ lori chart gaan ga julọ?
- Ijẹrisi lapapọ/pin: Njẹ awọn ipin ti pari si 100% ni apa-gbogbo chart?
- Otitọ oju: Ṣe ipo naa bẹrẹ ni 0, jẹ laini iwọn, jẹ ẹya kanna bi? (Awọn alaye ni ẹyọkan ti o tẹle.)
iṣakoso
Bawo ni lati bikita
pupa Flag
Iye
Ṣe afiwe awọn aaye 2-3 pẹlu data
Àwòrán-data ko baramu
iyege
Ṣe awọn oṣu eyikeyi / awọn ẹka ti nsọnu?
Aafo ti a dakẹ
asekale
Nibo ni ipo Y yoo bẹrẹ
kii ṣe 0, iyatọ jẹ abumọ
Lapapọ
Mọlẹbi / lapapọ
Ko mu 100%
Išọra: Awoṣe nigbakan “pari” awọn oṣu ti nsọnu lati inu data tabi dakẹjẹ sọ laini ti o padanu. Wo boya nọmba awọn aaye lori chart naa baamu nọmba awọn ori ila ninu data naa.
mẹta mini igba
Irú 1 - Koodu lu asọtẹlẹ. Oluyanju akọkọ beere awoṣe naa "Elo ni apapọ?" o beere, o si gba idahun "≈4.2 milionu". Lẹhinna o tẹ koodu afikun naa jade ati ṣiṣe rẹ: lapapọ lapapọ jẹ 3.87 million. Asọtẹlẹ ọrọ jẹ aṣiṣe 8%. Lati ọjọ yẹn lọ, o gba gbogbo nọmba lati koodu naa.
Case 2 - ipalọlọ sonu ila. Ẹgbẹ kan ni iwe apẹrẹ oṣooṣu ti a ṣe; ohun gbogbo wò itanran. Ṣugbọn Oṣu Kẹta ti ṣofo ninu data naa, ati pe chart naa fo o ati sopọ mọ Kínní si Oṣu Kẹrin; O dabi asọ nitori pe o wa lori aṣa. Wọn ṣe akiyesi nọmba awọn aami (o yẹ ki o jẹ 12 dipo 11) ati ṣe atunṣe; Nibẹ je kan fo ni gangan aṣa.
Case 3 - Reproducibility. Onijaja kan n ṣe awọn shatti pẹlu ọwọ ni gbogbo oṣu (nipa awọn iṣẹju 40). Ni kete ti o fi koodu ti a kọ nipasẹ itetisi atọwọda; Ni awọn oṣu to nbọ o gba iṣẹju 2 lati fi CSV tuntun sii ati ṣiṣe koodu naa. Fipamọ awọn iṣẹju 38 fun oṣu kan ko si si awọn aṣiṣe didakọ afọwọṣe diẹ sii.
Ailagbara kiakia / Alagbara kiakia
Alailagbara:
Iyaworan yi tita data.
Awọn awoṣe le ipele ti aworan kan tabi fun ID koodu; Awọn data ti wa ni ko kosi ni ilọsiwaju, nibẹ ni o wa ko si otitọ eto.
Lagbara:
Rẹ ipa: Python / matplotlib oluranlọwọ. Data: CSV, awọn ọwọn "agbegbe" (ọrọ), "buyume_percentage" (nọmba, le jẹ odi). Kọ koodu aworan apẹrẹ petele: too nipasẹ iye, ṣe afihan agbegbe ti o ga julọ, ṣafikun laini itọkasi y=0 (awọn odi ifihan), fi awọn aami ipin ogorun si awọn opin igi. Fun koodu executable, ka lati CSV, nọmba ibamu. Fi ipo akọle iṣe fun akọle naa.
Ekeji pẹlu igbekalẹ data, awọn ofin otitọ, ati “ka lati koodu, maṣe ṣe soke” ilana; Ijade naa jẹ deede ati ṣiṣatunṣe.
Aṣayan irinṣẹ: nigbati iwe kaunti, nigbawo koodu?
O ko ni lati kọ koodu fun gbogbo chart. Fun kekere kan, ọkan-pipa, chart ti o rọrun, iwe kaunti kan (Excel, Google Spreadsheets) nigbagbogbo to ati yara. Awọn koodu bori nigbati: data ti wa ni imudojuiwọn nigbagbogbo (itura chart kanna ni gbogbo oṣu), chart jẹ eka tabi lọpọlọpọ (gẹgẹbi awọn shatti kekere pupọ), iṣakoso ni kikun nilo (awọn eto iduroṣinṣin, aami isamisi), tabi o ṣe pataki pe abajade jẹ atunṣe. O tun le beere eyi ti o dara fun itetisi atọwọda.
Ipo
dara ọkọ
Kí nìdí
Ọkan-akoko o rọrun bar
lẹja
Yara, ko si koodu ti a beere
Iroyin imudojuiwọn ni gbogbo oṣu
Koodu (Python)
Kọ lẹẹkan, ṣiṣẹ lẹẹkansi
Dasibodu ibanisọrọ / àlẹmọ
Koodu (Idite) / irinṣẹ BI
ibaraenisepo beere
Ọpọlọpọ ti kekere eya
Koodu
Yiya pẹlu ọwọ jẹ tiring ati pe ko pe
Ipa rẹ: alamọran iworan data. Mo nilo lati gbe awọn aworan wọnyi jade:[ohunelo]. [Bawo ni igbagbogbo] data ni imudojuiwọn, [melo] awọn shatti oriṣiriṣi ni a nilo. Ṣe iwe kaunti tabi koodu Python ṣe oye diẹ sii? Ṣe idajọ ipinnu rẹ; Ile-ikawe wo ni o ṣeduro fun koodu?
Imọran: “Ṣe MO yoo tun ṣe eyi ni gbogbo oṣu?” Ti idahun si ibeere naa jẹ "bẹẹni", idoko-owo koodu nigbagbogbo n sanwo fun ararẹ. Ti o ba jẹ ọkan-pipa, iwe kaunti kan yoo to.
Awọn aṣiṣe ti o wọpọ
- Beere fun "aworan" ti chart: Nigbati o ba beere fun aworan dipo koodu, data naa ko ni ilọsiwaju.
- Gbẹkẹle koodu naa laisi ṣiṣiṣẹ rẹ: Gbigbe abajade lori ifaworanhan laisi ijẹrisi oju-oju.
- Ko pese afọwọsi iye: Ko ṣe afiwe awọn aaye lori chart si data.
- Ko ri laini sonu/fo: Ko ṣayẹwo nọmba awọn aami.
- Itoju bi iṣẹ-akoko kan: Ko tọju koodu naa ati bẹrẹ lati ibere ni gbogbo oṣu.
Ni soki
Beere oye itetisi atọwọda fun koodu ti o ṣe agbejade awọn aworan, kii ṣe aworan ti iwọn, ki o ṣiṣẹ koodu yẹn funrararẹ; nitori awọn koodu ilana awọn data bi o ti jẹ ati ki o yoo fun deterministic ati ki o repeatable esi. Ṣapejuwe eto data, fi awọn ofin iduroṣinṣin (lati ori 0, aami, orisun) sinu ibeere naa, fọwọsi iṣelọpọ pẹlu iye-iye-iwọn-apao hashes. Koodu lu asọtẹlẹ ọrọ ni gbogbo igba; Ṣugbọn iṣakoso ikẹhin jẹ tirẹ.
Ohun elo iṣẹ-ṣiṣe
Fun faili data tirẹ: (1) Ṣe apejuwe ọna data si AI ki o tẹ koodu iran aworan kan (pẹlu awọn ofin otitọ). (2) Ṣiṣe koodu naa ki o fi ọwọ ṣe afiwe awọn iye 2-3 ninu chart pẹlu data naa. (3) Ni koodu kanna, to awọn ifi nipasẹ iye ati ṣafikun awọ ifamisi ẹyọkan. (4) Fi koodu pamọ lati lo lẹẹkansi ni oṣu ti n bọ.
akojọ ayẹwo
- [] Mo fẹ ati ki o ran awọn koodu ti o gbe awọn chart, ko aworan ti o.
- [ ] The code reads the data from the real file, it does not make up numbers.
- [] Mo ṣe afiwe awọn iye 2-3 ninu chart pẹlu data naa.
- [ ] The number of points/categories is compatible with the rows in the data.
- [] Y axis ati iwọn jẹ ooto; Ko si idalọwọduro asulu.
- [] Mo ti fipamọ koodu lati lo lẹẹkansi.